De la activación a la causalidad: Descubrimiento de representaciones visuales causales en el cerebro humano

Resumen

Identificar qué regiones cerebrales representan un concepto visual en el cerebro humano es un desafío central en neurociencia. Los enfoques existentes han localizado regiones funcionales amplias (por ejemplo, rostros, lugares) mediante maximización de activación, identificando regiones que se activan fuertemente para un concepto objetivo en relación con otros conceptos. Sin embargo, la activación intensa por sí sola no establece que la región represente el concepto en sí, ya que las respuestas podrían estar impulsadas por señales visuales o semánticas correlacionadas. Presentamos BrainCause, un marco automatizado que combina modelos generativos y cerebrales para sintetizar estímulos controlados y validar representaciones neuronales mediante pruebas causales dirigidas. Dada una consulta que especifica un concepto de interés, nuestro marco construye conjuntos de estímulos dirigidos que comprenden imágenes del concepto, ediciones contrafactuales que eliminan el concepto objetivo mientras preservan el resto del contenido de la imagen, e imágenes con distractores candidatos correlacionados. Luego utiliza un modelo de codificación de imagen a fMRI para predecir respuestas cerebrales y busca representaciones que respondan específicamente al concepto objetivo frente a alternativas correlacionadas. BrainCause devuelve representaciones candidatas validadas y propone experimentos de fMRI de seguimiento para probar o extender sus descubrimientos. Nuestro enfoque recupera con éxito localizaciones funcionales conocidas e identifica nuevas representaciones candidatas en docenas de conceptos, validadas tanto en datos de fMRI predichos como medidos. Críticamente, mostramos que sin validación causal, una gran fracción de las localizaciones serían falsos positivos, confirmando que la activación por sí sola no es evidencia suficiente de representación.

English

Identifying which brain regions represent a visual concept in the human brain is a central challenge in neuroscience. Existing approaches have localized coarse functional regions (e.g., faces, places) through activation maximization, identifying regions that activate strongly for a target concept relative to other concepts. Yet strong activation alone does not establish that a region represents the concept itself, as responses may instead be driven by correlated visual or semantic cues. We introduce BrainCause, an automated framework that combines generative and brain models to synthesize controlled stimuli and validate neural representations through targeted causal testing. Given a query specifying a concept of interest, our framework constructs targeted stimulus sets comprising concept images, counterfactual edits that remove the target concept while preserving other image content, and images with candidate correlated distractors. It then uses an image-to-fMRI encoding model to predict brain responses and searches for representations that respond specifically to the target concept over correlated alternatives. BrainCause returns validated candidate representations and proposes follow-up fMRI experiments to further test or extend its discoveries. Our approach successfully recovers known functional localizations and identifies new candidate representations across dozens of concepts, validated on both predicted and measured fMRI data. Critically, we show that without causal validation, a large fraction of localizations would be false positives, confirming that activation alone is insufficient evidence of representation.